改进EfficientNetV2的玉米病虫害识别与分级研究

摘要：

农业生产中的玉米病虫害问题日益严重,为提高玉米病虫害的防治精度,进而给农民的生产生活提供更专业的指导,文中提出一种玉米病虫害识别与分级的方法,对常见的5种病虫害进行识别与分级研究.首先,通过对不同类型的轻量级网络对比,选择EfficientNetV2作为特征提取网络;其次,为提高模型的精度,引入DeepViT算法修改网络通道,提升网络的特征提取能力,并引入特征融合网络提高模型的分类精度;最后,将改进后的EDB模型与AlexNet、ResNet、VGG16、DenseNet等网络进行对比.实验结果表明,改进后的模型大小为8.6 MB,玉米病虫害平均识别精度为97.72%,玉米病害分级精度为92.6%,单张图片平均识别时间为24 ms,可实现对玉米病虫害的快速、准确识别,能够为后期玉米的管理提供相应的技术支撑.

关键词：玉米病虫害、病虫害识别、病虫害分级、EfficientNetV2、特征提取、EDB模型

所属期刊栏目：46

分类号：TN919-34;TP311

资助基金：国家自然科学基金61863033

在线出版日期：2023-07-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：68-74